智能駕駛與計算架構

楊聰，蘇州大學未來科學與工程學院副教授，主要從事智能駕駛、計算機視覺等領域的研究工作。程智鋒，清華大學碩士，先後擔任某頭部智駕公司技術及生態等團隊負責人，主要從事泛機器人操作系統及軟硬架構方面的技術與生態工作。

前言
第1章 智能駕駛計算概述
1.1 智能駕駛
1.1.1 智能座艙
1.1.2 自動駕駛
1.1.3 輔助駕駛
1.1.4 智能泊車
1.2 智能駕駛計算
1.2.1 智能計算
1.2.2 邏輯計算
1.2.3 混合計算
練習題
第2章 智能駕駛計算架構
2.1 計算架構分類
2.1.1 核心模塊
2.1.2 標準範式
2.1.3 產業協作
2.2 核心計算架構
2.2.1 芯片架構
2.2.2 硬件架構
2.2.3 軟件架構
2.2.4 雲端架構
2.2.5 算法架構
2.3 關鍵計算性能指標
2.3.1 性能指標演化
2.3.2 常見性能指標
2.3.3 性能評價方法
練習題
第3章 智能駕駛計算芯片
3.1 芯片技術的演化與發展
3.2 計算芯片分類
3.3 計算芯片架構
3.3.1 典型SoC架構
3.3.2 向量計算單元
3.3.3 編程模型
3.3.4 指令集
3.3.5 架構演進
3.3.6 架構示例：存算一體
3.4 計算芯片設計
3.4.1 軟硬件協同設計
3.4.2 互聯與存儲設計
3.4.3 計算芯片安全設計
練習題
第4章 智能駕駛硬件平臺
4.1 智能駕駛基礎硬件平臺
4.1.1 硬件單元
4.1.2 硬件平臺基礎架構
4.2 硬件平臺設計方案
4.2.1 自動駕駛等級劃分
4.2.2 不同等級下的硬件設計方案
4.2.3 典型硬件設計方案示例
4.3 硬件平臺設計規範
4.3.1 異構硬件總體設計
4.3.2 域控制器硬件安全要求
4.3.3 域控制器安全架構設計
4.4 案例：典型計算平臺
4.4.1 特斯拉Hardware計算平臺
4.4.2 英偉達Drive PX系列平臺
4.4.3 Mobileye EyeQ系列
練習題
第5章 智能駕駛軟件平臺
5.1 軟件平臺分類
5.1.1 智能駕駛開發模式
5.1.2 軟件平臺分類
5.2 嵌入式底層軟件
5.2.1 智能駕駛操作系統
5.2.2 智能駕駛系統常見的驅動
5.2.3 智能駕駛系統常見固件
5.2.4 BSP關鍵技術
5.2.5 功能安全
5.3 算法工具鏈
5.3.1 芯片算法工具鏈概述
5.3.2 模型壓縮及編譯原理
5.3.3 統一異構計算架構
5.3.4 算子約束
5.3.5 訓練後量化（PTQ）實踐
5.3.6 量化感知訓練（QAT）實踐
5.3.7 模型部署與推理
5.4 智能駕駛應用開發套件
練習題
第6章 智能駕駛雲端平臺
6.1 雲端平臺架構
6.1.1 基礎設施平臺
6.1.2 自動駕駛中臺
6.1.3 雲端計算芯片
6.1.4 車雲協同架構
6.2 數據閉環
6.2.1 數據閉環概述
6.2.2 數據閉環雲端平臺
6.2.3 數據閉環案例分析
6.2.4 數據閉環發展與挑戰
6.3 雲端開發流程
6.3.1 數據采集與存儲
6.3.2 數據處理和管理
6.3.3 數據標註
6.3.4 模型訓練與評測
6.3.5 測評仿真
6.3.6 問題分析與篩選
6.4 面向智能駕駛的數字孿生
練習題
第7章 端到端算法架構
7.1 端到端概述
7.2 端到端自動駕駛概念
7.3 端到端自動駕駛架構
7.3.1 商業實踐
7.3.2 UniAD
7.3.3 VAD
7.3.4 SparseDrive
7.3.5 PARA-Drive
7.4 端到端自動駕駛開發
7.4.1 模型設計
7.4.2 模仿學習
7.4.3 強化學習
7.4.4 數據工程
7.4.5 輔助監督
7.4.6 地圖與導航使用
7.5 端到端自動駕駛測試
7.5.1 開環測試
7.5.2 閉環測試
7.6 端到端自動駕駛的局限與發展
7.6.1 端到端自動駕駛局限性
7.6.2 端到端自動駕駛未來發展
練習題
第8章 智能計算架構2.0
8.1 軟件1.0與2.0
8.2 軟硬協同進化
8.2.1 應用驅動底層
8.2.2 底層驅動上層
8.3 案例：數據驅動下的架構演化
8.3.1 編譯器2.0
8.3.2 硬件2.0
練習題
第9章 智能駕駛開放生態
9.1 智能駕駛生態
9.2 生態架構
練習題
參考文獻